2012後半

Edit 0 6 …
2nd, Jul.
デジタル文献整理の技法
１．文献の分類
２．文献メモの添附と整理
3rd, Jul.
Some funds for supporting the venture company.
http://www.kickstarter.com/
http://www.edgeweb.jp/
11th, Jul.
今日にサイバー大学の先生と食事する時、日本でこういう大学があるのと初めて聞いた。
その先生の話によると、遠隔演習システムを作ってみたいようになりました。
23th, Jul.
非监督的学习的主要功能就是：聚类，降维，推理，估计分布等，所以纯粹的非监督学习是不能做classifcation的，如果你的数据全都是未标记的，那只能完成聚类这一步。如果你连cluster 的个数也不知道的话，那么可以用Dirichlet Process 的方法，不过这是非监督学习里面很高级的一个主题了，如果你有兴趣的话可以参看以下论文：Dirichlet_Process_teh_yee_whye.pdf (142.31 KB, 下载次数: 59)

最后的准确率受很多因素影响，但是最主要的是feature selection, 就是说如何选取最具有代表力的 feature(准确的说应该是feature with highest distinguish capacity) , 如果你的feature 选的好的话，那么聚类效果将比较好，从而最后的classification也将很好

对于聚类之后怎么办，这就涉及到半监督的机器学习了。举个同上面的人脸识别例子，我们可以通过现有成熟的有监督的机器学习的方法（如SVM）进行训练，但是需要有10000个训练样本才能取得较好结果，但是手工去标记10000张图片将很费时（如果训练样本更多将更严重）。所以可以先随机手工标记100张，然后放回训练样本中，然后对所有训练样本进行聚类（k=2), 这样就能得到两个clusters，再计算两个cluster中已标记样本中人脸和非人脸的比例，选取比例高的作为cluster的标记，这里如果比例相差不是很大的话就重新聚类知道找到一种聚类方式能够使其中cluster中大部分是人脸，而另外一个cluster大部分是非人脸。这样就可以通过100个手工标记的图像区自动标记 10000各图像。再用SVM或者其他supervised learning 方法就很简单了。


15th, Sep.
OpenFlow, a protocol can be used to experiment the new routing protocol on the real network.